El problema: Clusterizar diseños
¿Como hago para clasificar estilos de banners?
Input data
Se sacan metadatos de un archivo de photoshop
y : Distancia desde arriba
x : Distancia desde la izquierda
w : Ancho (width)
h : Alto (height)
Estrategia 1:
- Reduccion de dimensionalidad + Clustering
library(umap)
library(dbscan)
umap_data<- umap(data)
cl <-hdbscan(x = umap_data, minPts = 3)
- Se puede ver un grupo diferenciado, pero los demas no estan tan claros.
Validacion
En terminos de negocio…¿sirve hacer esto?
- Al separar en diferentes carpetas los archivos de cada cluster generado, los diseñadores no estaban conformes, habia diseños distintos que habian sido clasificados como similares
Estrategia 2
Surge la necesidad de transformar los datos
Opciones
Estandarizacion (z-score): Representa el numero de desvios estandar arriba o debajo del valor resultante. Útil para variables normalmente distribuidas
Normalizacion (min-max scaler): Permite llevar los valores entre 0 y 1. Útil para comparar variables de diferentes ordenes de magnitud (Precio de una casa y los m2 que ocupa)
¿Puedo usar estas transformaciones en estos datos?
- No, como las variables describen dimensiones (alto y ancho), y posicion en el espacio no le encontré mucho sentido a la estandarizacion ni la normalizacion.
- ¿Que podría hacer? En lugar de ver las posiciones y dimensiones absolutas, ver las posiciones y dimensiones relativas, lo que voy a llamar “normalizacion geometrica”
Normalizacion “geometrica”
- x’ es la proporcion de x respecto al rango total (ancho del canvas)
mi nueva variable x’ es: la linea roja dividida la linea azul
Normalizacion “geometrica”
- y’ es la proporcion de y respecto al rango total (alto del canvas)
mi nueva variable y’ es: la linea roja dividida la linea azul
Normalizacion “geometrica”
- areaRelativa es la proporcion del area del elemento respecto al total
mi nueva variable areaRelativa es: el area del cuadrado chiquito dividido la del rectangulo grande
Normalizacion “geometrica”
- disposicion (dividiendo alto por acho) es para saber si el elemento es horizontal, vertical, o cuadrado
mi nueva variable disposicion es: el alto dividido por el ancho
